利用开源pdf阅读器SumatraPDF抽取文本(1)

1, 下载源代码 https://github.com/sumatrapdfreader/sumatrapdf

https://gitee.com/mirrors/SumatraPDF?utm_source=alading&utm_campaign=repo

https://www.sumatrapdfreader.org/free-pdf-reader.html

以上三个网址任选一种

2，编译代码，我本地用的vs 2019

3，如果是想导到xml中（这个xml包括每页的简单信息，及每页中的文本，具体参照以下截图），可以直接用内部工程：enginedump , 此工程可以直接将pdf内容dump到指定的文件中，具体用法：

图中红框指定函数是具体的导出函数，我们只需要在些函数中把输出重定向到了一个xml文件即可，例如我想将pdf导出到test.xml中，只需要加以下代码即可：

这样就能将pdf导出至test.xml，那么具体test.xml具体导出来是个啥样的呢，上图：